[发明专利]文本特征提取方法、装置、服务器和存储介质

权利要求书

1.一种文本特征规则的提取方法，其特征在于，包括：

切分文本集中包含的各文本，得到所述各文本的词汇序列；

将不同文本中相似度大于相似度阈值的词汇用相同标识符表示，相似度小于或等于所述相似度阈值的词汇用不同标识符表示，得到各文本的标识符序列；

提取各标识符序列中的频繁项，依据所述频繁项对应的词汇组合成文本特征规则。

2.根据权利要求1所述的方法，其特征在于，将不同文本中相似度大于相似度阈值的词汇用相同标识符表示之前，还包括：

确定各文本中词汇序列的词向量；

依据不同文本对应的词向量，确定不同文本中词汇的相似度。

3.根据权利要求2所述的方法，其特征在于，依据不同文本对应的词向量，确定不同文本中词汇的相似度，包括：

确定不同文本对应的词向量之间夹角的余弦值；

依据所述余弦值确定对应词汇的相似度。

4.根据权利要求1所述的方法，其特征在于，提取各标识符序列中的频繁项，依据所述频繁项对应的词汇组合成文本特征规则，包括：

将各标识符序列中出现频次大于预设数值的标识确定为各标识符序列中的频繁项；

将各标识符序列中频繁项对应的词汇进行组合生成文本特征规则。

5.一种文本特征规则的提取装置，其特征在于，包括：

词汇序列获取模块，用于切分文本集中包含的各文本，得到所述各文本的词汇序列；

标识符序列获取模块，用于将不同文本中相似度大于相似度阈值的词汇用相同标识符表示，相似度小于或等于所述相似度阈值的词汇用不同标识符表示，得到各文本的标识符序列；

特征规则获取模块，用于提取各标识符序列中的频繁项，依据所述频繁项对应的词汇组合成文本特征规则。

6.根据权利要求5所述的装置，其特征在于，还包括：

词向量确定模块，用于确定各文本中词汇序列的词向量；

相似度确定模块，用于依据不同文本对应的词向量，确定不同文本中词汇的相似度。

7.根据权利要求6所述的方法，其特征在于，所述相似度确定模块，包括：

余弦值确定子模块，用于确定不同文本对应的词向量之间夹角的余弦值；

相似度确定子模块，用于依据所述余弦值确定对应词汇的相似度。

8.根据权利要求5所述的装置，其特征在于，所述特征规则获取模块，包括：

频繁项确定子模块，用于将各标识符序列中出现频次大于预设数值的标识确定为各标识符序列中的频繁项；

特征规则合成子模块，用于将各标识符序列中频繁项对应的词汇进行组合生成文本特征规则。

9.一种服务器，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1～4中任一所述的一种文本特征提取方法。

10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行以实现如权利要求1～4中任一所述的一种文本特征提取方法。